Claude Sonnet 4.5 ist Anthropics Sonnet-Edition mit Schwerpunkt auf Softwareentwicklung, komplexen Agentenaufgaben und Computerbedienung sowie Verbesserungen bei Reasoning und Mathematik. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die Veröffentlichung beschreibt länger dauernde Arbeit über mehrere Schritte, Codeverständnis und Änderungen, die ein umfassenderes Projekt statt einer einzelnen isolierten Funktion betreffen. Eine hilfreiche Beschreibung benennt gewünschtes Verhalten, relevantes Quellmaterial und das zu liefernde Ergebnis: einen vorgeschlagenen Patch, eine Implementierungserklärung, eine Dokumentanalyse oder eine strukturierte Antwort.
Geben Sie für Softwarearbeit Projektbedingungen, relevante Dateien oder Auszüge, den beobachteten Fehler und ein konkretes Beispiel des erwarteten Ergebnisses vor. Verlangen Sie den betroffenen Code und eine Erklärung, wie die vorgeschlagene Änderung dieses Beispiel behandelt. Der Hersteller stellt das Modell als geeignet für das Erstellen von Agenten und das Bearbeiten von Entwicklungsaufgaben mit Werkzeugen vor. Die umgebende Anwendung liest und bearbeitet Dateien, führt einen Befehl oder eine Prüfung aus und liefert deren tatsächliche Ausgabe zurück; das Modell schlussfolgert anhand dieser Belege. Halten Sie im Abschlussbericht vorgeschlagene Änderung und abgeschlossene Prüfung getrennt.
Computerbedienung ist eine eigene Anwendung der visuellen und agentischen Fähigkeiten. Anthropics Veröffentlichung zeigt Browserinteraktion, Seitennavigation und Arbeit mit Tabellenkalkulationen über eine angeschlossene Umgebung. Eine visuelle Aufgabenbeschreibung kann einen Screenshot vorgeben, das Ziel benennen und festlegen, welche Aktionen die Anwendung erlaubt. Die Anwendung führt anschließend die ausgewählte Interaktion aus und gibt den geänderten Bildschirm oder ein anderes Ergebnis zurück. Ebenso kann das Modell Inhalte und Code für Dokumente, Tabellen und Präsentationsfolien vorbereiten, während die Umgebung die fertige Datei erzeugt. Text- und Bildverständnis machen das Modell nicht zu einem nativen Bild- oder Audiogenerator.
Die genaue Herstellerspezifikation nennt ein Kontextfenster von 200K Token und bis zu 64K Ausgabetoken. Der verlässliche Wissensstichtag ist Januar 2025 und unterscheidet sich vom späteren, auf der Seite genannten Stichtag der Trainingsdaten. Halten Sie Dokumentgrenzen, Seitenkennzeichnungen, Einheiten und Codekennungen in einer langen Eingabe klar und reservieren Sie Platz für gewünschte Antwort und Reasoning. Der Hersteller dokumentiert für diese Edition außerdem Kontextbewusstsein; der unterstützte Ablauf verfolgt deshalb den verbleibenden Platz während eines Gesprächs. Dies hilft beim Verwalten einer länger dauernden Aufgabe innerhalb ihres Fensters; es ersetzt das Fenster nicht durch die größere Kapazität einer späteren Sonnet-Edition.
Sonnet 4.5 unterstützt gewöhnliche Antworten und manuell gesteuertes erweitertes Thinking. Im zweiten Modus setzt budget_tokens einen Zielwert für internes Reasoning vor der sichtbaren Antwort. Das dokumentierte Minimum beträgt 1.024 Token; das Budget muss normalerweise unter max_tokens liegen, weil Thinking und endgültige Antwort den Generierungsrahmen teilen. Das Budget ist ein Zielwert und keine Zusage, genau so viele Token zu verbrauchen. Diese Edition hat weder den Adaptive-Thinking-Modus noch die Aufwandssteuerungen späterer Sonnet-Modelle. Wählen Sie die gewünschte Analysetiefe und lassen Sie genügend Raum für eine nutzbare endgültige Antwort.
Die Interleaved-Thinking-Beta des Herstellers lässt Sonnet 4.5 innerhalb einer Gesprächsrunde zwischen Werkzeugaufrufen schlussfolgern und die zurückgegebenen Beobachtungen für die nächste Entscheidung nutzen. Sie erfordert die dokumentierte Beta-Funktion im unterstützten Messages-Ablauf. In diesem Fall kann das Thinking-Budget max_tokens überschreiten, weil es mehrere Thinking-Blöcke innerhalb derselben Assistentenrunde umfasst. Geben Sie Werkzeugergebnisse mit dem zugehörigen Thinking-Inhalt einschließlich seiner Signatur unverändert zurück; die Bearbeitung dieses Inhalts macht ihn ungültig. Eine Recherche- oder Fehlersuchaufgabe kann so zwischen vorgeschlagener Prüfung, tatsächlich zurückgegebenem Ergebnis und aktualisierter Analyse wechseln, ohne einen Textvorschlag als abgeschlossene Aktion zu behandeln.
Für visuelles Material unterstützt der Hersteller JPEG, PNG, GIF und WebP und verwendet bei einer Animation nur das erste Einzelbild. Die von dieser Edition verwendete standardmäßige native Bildstufe hat eine Grenze von 1.568 Pixeln für die lange Kante und von 1.568 visuellen Token; größere Bilder werden verkleinert. Der Bildleitfaden des Herstellers nennt bis zu 100 Bilder je API-Anfrage für Modelle mit 200K Kontext; Grenzen für Bilder und die gesamte Anfragegröße können vorher greifen. Stellen Sie Bilder nach Möglichkeit vor die Frage, kennzeichnen Sie mehrere Bilder und bewahren Sie kleinen Text oder Diagrammbeschriftungen. Der Leitfaden empfiehlt klare Bilder und genügend umgebenden Kontext zur Interpretation des sichtbaren Details.
Kontextbearbeitung und ein Speicherwerkzeug wurden zusammen mit diesem Modell eingeführt, um längere Agentenabläufe zu unterstützen. Dies sind von der Anwendung unterstützte Möglichkeiten, hilfreichen Zustand zu bewahren oder altes Werkzeugmaterial zu entfernen; sie sind weder unbegrenztes Modellgedächtnis noch die spätere serverseitige Verdichtungsfunktion. Bewahren Sie für eine mehrstufige Aufgabe bereits getroffene Entscheidungen, die offene Frage und die für den nächsten Schritt nötigen Belege. Anthropic beschreibt außerdem stärkeren Widerstand gegen versteckte Anweisungen in externen Inhalten und weist darauf hin, dass modellspezifische Klassifikatoren manchmal harmloses Material markieren können. Das hilfreiche Ergebnis bleibt ein prüfbares Artefakt mit Bezug zu bereitgestellten Belegen, wobei die genauen Modi und Grenzen von Sonnet 4.5 von späteren Veröffentlichungen getrennt bleiben.
", "aboutText": "Claude Sonnet 4.5 ist Anthropics Sonnet-Edition mit Schwerpunkt auf Softwareentwicklung, komplexen Agentenaufgaben und Computerbedienung sowie Verbesserungen bei Reasoning und Mathematik. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die Veröffentlichung beschreibt länger dauernde Arbeit über mehrere Schritte, Codeverständnis und Änderungen, die ein umfassenderes Projekt statt einer einzelnen isolierten Funktion betreffen. Eine hilfreiche Beschreibung benennt gewünschtes Verhalten, relevantes Quellmaterial und das zu liefernde Ergebnis: einen vorgeschlagenen Patch, eine Implementierungserklärung, eine Dokumentanalyse oder eine strukturierte Antwort.\n\nGeben Sie für Softwarearbeit Projektbedingungen, relevante Dateien oder Auszüge, den beobachteten Fehler und ein konkretes Beispiel des erwarteten Ergebnisses vor. Verlangen Sie den betroffenen Code und eine Erklärung, wie die vorgeschlagene Änderung dieses Beispiel behandelt. Der Hersteller stellt das Modell als geeignet für das Erstellen von Agenten und das Bearbeiten von Entwicklungsaufgaben mit Werkzeugen vor. Die umgebende Anwendung liest und bearbeitet Dateien, führt einen Befehl oder eine Prüfung aus und liefert deren tatsächliche Ausgabe zurück; das Modell schlussfolgert anhand dieser Belege. Halten Sie im Abschlussbericht vorgeschlagene Änderung und abgeschlossene Prüfung getrennt.\n\nComputerbedienung ist eine eigene Anwendung der visuellen und agentischen Fähigkeiten. Anthropics Veröffentlichung zeigt Browserinteraktion, Seitennavigation und Arbeit mit Tabellenkalkulationen über eine angeschlossene Umgebung. Eine visuelle Aufgabenbeschreibung kann einen Screenshot vorgeben, das Ziel benennen und festlegen, welche Aktionen die Anwendung erlaubt. Die Anwendung führt anschließend die ausgewählte Interaktion aus und gibt den geänderten Bildschirm oder ein anderes Ergebnis zurück. Ebenso kann das Modell Inhalte und Code für Dokumente, Tabellen und Präsentationsfolien vorbereiten, während die Umgebung die fertige Datei erzeugt. Text- und Bildverständnis machen das Modell nicht zu einem nativen Bild- oder Audiogenerator.\n\nDie genaue Herstellerspezifikation nennt ein Kontextfenster von 200K Token und bis zu 64K Ausgabetoken. Der verlässliche Wissensstichtag ist Januar 2025 und unterscheidet sich vom späteren, auf der Seite genannten Stichtag der Trainingsdaten. Halten Sie Dokumentgrenzen, Seitenkennzeichnungen, Einheiten und Codekennungen in einer langen Eingabe klar und reservieren Sie Platz für gewünschte Antwort und Reasoning. Der Hersteller dokumentiert für diese Edition außerdem Kontextbewusstsein; der unterstützte Ablauf verfolgt deshalb den verbleibenden Platz während eines Gesprächs. Dies hilft beim Verwalten einer länger dauernden Aufgabe innerhalb ihres Fensters; es ersetzt das Fenster nicht durch die größere Kapazität einer späteren Sonnet-Edition.\n\nSonnet 4.5 unterstützt gewöhnliche Antworten und manuell gesteuertes erweitertes Thinking. Im zweiten Modus setzt budget_tokens einen Zielwert für internes Reasoning vor der sichtbaren Antwort. Das dokumentierte Minimum beträgt 1.024 Token; das Budget muss normalerweise unter max_tokens liegen, weil Thinking und endgültige Antwort den Generierungsrahmen teilen. Das Budget ist ein Zielwert und keine Zusage, genau so viele Token zu verbrauchen. Diese Edition hat weder den Adaptive-Thinking-Modus noch die Aufwandssteuerungen späterer Sonnet-Modelle. Wählen Sie die gewünschte Analysetiefe und lassen Sie genügend Raum für eine nutzbare endgültige Antwort.\n\nDie Interleaved-Thinking-Beta des Herstellers lässt Sonnet 4.5 innerhalb einer Gesprächsrunde zwischen Werkzeugaufrufen schlussfolgern und die zurückgegebenen Beobachtungen für die nächste Entscheidung nutzen. Sie erfordert die dokumentierte Beta-Funktion im unterstützten Messages-Ablauf. In diesem Fall kann das Thinking-Budget max_tokens überschreiten, weil es mehrere Thinking-Blöcke innerhalb derselben Assistentenrunde umfasst. Geben Sie Werkzeugergebnisse mit dem zugehörigen Thinking-Inhalt einschließlich seiner Signatur unverändert zurück; die Bearbeitung dieses Inhalts macht ihn ungültig. Eine Recherche- oder Fehlersuchaufgabe kann so zwischen vorgeschlagener Prüfung, tatsächlich zurückgegebenem Ergebnis und aktualisierter Analyse wechseln, ohne einen Textvorschlag als abgeschlossene Aktion zu behandeln.\n\nFür visuelles Material unterstützt der Hersteller JPEG, PNG, GIF und WebP und verwendet bei einer Animation nur das erste Einzelbild. Die von dieser Edition verwendete standardmäßige native Bildstufe hat eine Grenze von 1.568 Pixeln für die lange Kante und von 1.568 visuellen Token; größere Bilder werden verkleinert. Der Bildleitfaden des Herstellers nennt bis zu 100 Bilder je API-Anfrage für Modelle mit 200K Kontext; Grenzen für Bilder und die gesamte Anfragegröße können vorher greifen. Stellen Sie Bilder nach Möglichkeit vor die Frage, kennzeichnen Sie mehrere Bilder und bewahren Sie kleinen Text oder Diagrammbeschriftungen. Der Leitfaden empfiehlt klare Bilder und genügend umgebenden Kontext zur Interpretation des sichtbaren Details.\n\nKontextbearbeitung und ein Speicherwerkzeug wurden zusammen mit diesem Modell eingeführt, um längere Agentenabläufe zu unterstützen. Dies sind von der Anwendung unterstützte Möglichkeiten, hilfreichen Zustand zu bewahren oder altes Werkzeugmaterial zu entfernen; sie sind weder unbegrenztes Modellgedächtnis noch die spätere serverseitige Verdichtungsfunktion. Bewahren Sie für eine mehrstufige Aufgabe bereits getroffene Entscheidungen, die offene Frage und die für den nächsten Schritt nötigen Belege. Anthropic beschreibt außerdem stärkeren Widerstand gegen versteckte Anweisungen in externen Inhalten und weist darauf hin, dass modellspezifische Klassifikatoren manchmal harmloses Material markieren können. Das hilfreiche Ergebnis bleibt ein prüfbares Artefakt mit Bezug zu bereitgestellten Belegen, wobei die genauen Modi und Grenzen von Sonnet 4.5 von späteren Veröffentlichungen getrennt bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.anthropic/claude-sonnet-4.5Claude Sonnet 4.5 ist Anthropics Text- und Bildmodell für Softwareentwicklung, komplexe Agenten, Computerbedienung und analytische Arbeit. Es unterstützt direkte Antworten oder manuell gesteuertes erweitertes Thinking mit Reasoning zwischen Werkzeugaufrufen im dokumentierten Beta-Ablauf.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 4.5 ist Anthropics Sonnet-Edition mit Schwerpunkt auf Softwareentwicklung, komplexen Agentenaufgaben und Computerbedienung sowie Verbesserungen bei Reasoning und Mathematik. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die Veröffentlichung beschreibt länger dauernde Arbeit über mehrere Schritte, Codeverständnis und Änderungen, die ein umfassenderes Projekt statt einer einzelnen isolierten Funktion betreffen. Eine hilfreiche Beschreibung benennt gewünschtes Verhalten, relevantes Quellmaterial und das zu liefernde Ergebnis: einen vorgeschlagenen Patch, eine Implementierungserklärung, eine Dokumentanalyse oder eine strukturierte Antwort.
Geben Sie für Softwarearbeit Projektbedingungen, relevante Dateien oder Auszüge, den beobachteten Fehler und ein konkretes Beispiel des erwarteten Ergebnisses vor. Verlangen Sie den betroffenen Code und eine Erklärung, wie die vorgeschlagene Änderung dieses Beispiel behandelt. Der Hersteller stellt das Modell als geeignet für das Erstellen von Agenten und das Bearbeiten von Entwicklungsaufgaben mit Werkzeugen vor. Die umgebende Anwendung liest und bearbeitet Dateien, führt einen Befehl oder eine Prüfung aus und liefert deren tatsächliche Ausgabe zurück; das Modell schlussfolgert anhand dieser Belege. Halten Sie im Abschlussbericht vorgeschlagene Änderung und abgeschlossene Prüfung getrennt.
Computerbedienung ist eine eigene Anwendung der visuellen und agentischen Fähigkeiten. Anthropics Veröffentlichung zeigt Browserinteraktion, Seitennavigation und Arbeit mit Tabellenkalkulationen über eine angeschlossene Umgebung. Eine visuelle Aufgabenbeschreibung kann einen Screenshot vorgeben, das Ziel benennen und festlegen, welche Aktionen die Anwendung erlaubt. Die Anwendung führt anschließend die ausgewählte Interaktion aus und gibt den geänderten Bildschirm oder ein anderes Ergebnis zurück. Ebenso kann das Modell Inhalte und Code für Dokumente, Tabellen und Präsentationsfolien vorbereiten, während die Umgebung die fertige Datei erzeugt. Text- und Bildverständnis machen das Modell nicht zu einem nativen Bild- oder Audiogenerator.
Die genaue Herstellerspezifikation nennt ein Kontextfenster von 200K Token und bis zu 64K Ausgabetoken. Der verlässliche Wissensstichtag ist Januar 2025 und unterscheidet sich vom späteren, auf der Seite genannten Stichtag der Trainingsdaten. Halten Sie Dokumentgrenzen, Seitenkennzeichnungen, Einheiten und Codekennungen in einer langen Eingabe klar und reservieren Sie Platz für gewünschte Antwort und Reasoning. Der Hersteller dokumentiert für diese Edition außerdem Kontextbewusstsein; der unterstützte Ablauf verfolgt deshalb den verbleibenden Platz während eines Gesprächs. Dies hilft beim Verwalten einer länger dauernden Aufgabe innerhalb ihres Fensters; es ersetzt das Fenster nicht durch die größere Kapazität einer späteren Sonnet-Edition.
Sonnet 4.5 unterstützt gewöhnliche Antworten und manuell gesteuertes erweitertes Thinking. Im zweiten Modus setzt budget_tokens einen Zielwert für internes Reasoning vor der sichtbaren Antwort. Das dokumentierte Minimum beträgt 1.024 Token; das Budget muss normalerweise unter max_tokens liegen, weil Thinking und endgültige Antwort den Generierungsrahmen teilen. Das Budget ist ein Zielwert und keine Zusage, genau so viele Token zu verbrauchen. Diese Edition hat weder den Adaptive-Thinking-Modus noch die Aufwandssteuerungen späterer Sonnet-Modelle. Wählen Sie die gewünschte Analysetiefe und lassen Sie genügend Raum für eine nutzbare endgültige Antwort.
Die Interleaved-Thinking-Beta des Herstellers lässt Sonnet 4.5 innerhalb einer Gesprächsrunde zwischen Werkzeugaufrufen schlussfolgern und die zurückgegebenen Beobachtungen für die nächste Entscheidung nutzen. Sie erfordert die dokumentierte Beta-Funktion im unterstützten Messages-Ablauf. In diesem Fall kann das Thinking-Budget max_tokens überschreiten, weil es mehrere Thinking-Blöcke innerhalb derselben Assistentenrunde umfasst. Geben Sie Werkzeugergebnisse mit dem zugehörigen Thinking-Inhalt einschließlich seiner Signatur unverändert zurück; die Bearbeitung dieses Inhalts macht ihn ungültig. Eine Recherche- oder Fehlersuchaufgabe kann so zwischen vorgeschlagener Prüfung, tatsächlich zurückgegebenem Ergebnis und aktualisierter Analyse wechseln, ohne einen Textvorschlag als abgeschlossene Aktion zu behandeln.
Für visuelles Material unterstützt der Hersteller JPEG, PNG, GIF und WebP und verwendet bei einer Animation nur das erste Einzelbild. Die von dieser Edition verwendete standardmäßige native Bildstufe hat eine Grenze von 1.568 Pixeln für die lange Kante und von 1.568 visuellen Token; größere Bilder werden verkleinert. Der Bildleitfaden des Herstellers nennt bis zu 100 Bilder je API-Anfrage für Modelle mit 200K Kontext; Grenzen für Bilder und die gesamte Anfragegröße können vorher greifen. Stellen Sie Bilder nach Möglichkeit vor die Frage, kennzeichnen Sie mehrere Bilder und bewahren Sie kleinen Text oder Diagrammbeschriftungen. Der Leitfaden empfiehlt klare Bilder und genügend umgebenden Kontext zur Interpretation des sichtbaren Details.
Kontextbearbeitung und ein Speicherwerkzeug wurden zusammen mit diesem Modell eingeführt, um längere Agentenabläufe zu unterstützen. Dies sind von der Anwendung unterstützte Möglichkeiten, hilfreichen Zustand zu bewahren oder altes Werkzeugmaterial zu entfernen; sie sind weder unbegrenztes Modellgedächtnis noch die spätere serverseitige Verdichtungsfunktion. Bewahren Sie für eine mehrstufige Aufgabe bereits getroffene Entscheidungen, die offene Frage und die für den nächsten Schritt nötigen Belege. Anthropic beschreibt außerdem stärkeren Widerstand gegen versteckte Anweisungen in externen Inhalten und weist darauf hin, dass modellspezifische Klassifikatoren manchmal harmloses Material markieren können. Das hilfreiche Ergebnis bleibt ein prüfbares Artefakt mit Bezug zu bereitgestellten Belegen, wobei die genauen Modi und Grenzen von Sonnet 4.5 von späteren Veröffentlichungen getrennt bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-sonnet-4.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.012 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200 000 | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.012 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.024 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-sonnet-4.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-sonnet-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-sonnet-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-4.5Claude Sonnet 4.5 ist Anthropics Text- und Bildmodell für Softwareentwicklung, komplexe Agenten, Computerbedienung und analytische Arbeit. Es unterstützt direkte Antworten oder manuell gesteuertes erweitertes Thinking mit Reasoning zwischen Werkzeugaufrufen im dokumentierten Beta-Ablauf.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 4.5 ist Anthropics Sonnet-Edition mit Schwerpunkt auf Softwareentwicklung, komplexen Agentenaufgaben und Computerbedienung sowie Verbesserungen bei Reasoning und Mathematik. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die Veröffentlichung beschreibt länger dauernde Arbeit über mehrere Schritte, Codeverständnis und Änderungen, die ein umfassenderes Projekt statt einer einzelnen isolierten Funktion betreffen. Eine hilfreiche Beschreibung benennt gewünschtes Verhalten, relevantes Quellmaterial und das zu liefernde Ergebnis: einen vorgeschlagenen Patch, eine Implementierungserklärung, eine Dokumentanalyse oder eine strukturierte Antwort.
Geben Sie für Softwarearbeit Projektbedingungen, relevante Dateien oder Auszüge, den beobachteten Fehler und ein konkretes Beispiel des erwarteten Ergebnisses vor. Verlangen Sie den betroffenen Code und eine Erklärung, wie die vorgeschlagene Änderung dieses Beispiel behandelt. Der Hersteller stellt das Modell als geeignet für das Erstellen von Agenten und das Bearbeiten von Entwicklungsaufgaben mit Werkzeugen vor. Die umgebende Anwendung liest und bearbeitet Dateien, führt einen Befehl oder eine Prüfung aus und liefert deren tatsächliche Ausgabe zurück; das Modell schlussfolgert anhand dieser Belege. Halten Sie im Abschlussbericht vorgeschlagene Änderung und abgeschlossene Prüfung getrennt.
Computerbedienung ist eine eigene Anwendung der visuellen und agentischen Fähigkeiten. Anthropics Veröffentlichung zeigt Browserinteraktion, Seitennavigation und Arbeit mit Tabellenkalkulationen über eine angeschlossene Umgebung. Eine visuelle Aufgabenbeschreibung kann einen Screenshot vorgeben, das Ziel benennen und festlegen, welche Aktionen die Anwendung erlaubt. Die Anwendung führt anschließend die ausgewählte Interaktion aus und gibt den geänderten Bildschirm oder ein anderes Ergebnis zurück. Ebenso kann das Modell Inhalte und Code für Dokumente, Tabellen und Präsentationsfolien vorbereiten, während die Umgebung die fertige Datei erzeugt. Text- und Bildverständnis machen das Modell nicht zu einem nativen Bild- oder Audiogenerator.
Die genaue Herstellerspezifikation nennt ein Kontextfenster von 200K Token und bis zu 64K Ausgabetoken. Der verlässliche Wissensstichtag ist Januar 2025 und unterscheidet sich vom späteren, auf der Seite genannten Stichtag der Trainingsdaten. Halten Sie Dokumentgrenzen, Seitenkennzeichnungen, Einheiten und Codekennungen in einer langen Eingabe klar und reservieren Sie Platz für gewünschte Antwort und Reasoning. Der Hersteller dokumentiert für diese Edition außerdem Kontextbewusstsein; der unterstützte Ablauf verfolgt deshalb den verbleibenden Platz während eines Gesprächs. Dies hilft beim Verwalten einer länger dauernden Aufgabe innerhalb ihres Fensters; es ersetzt das Fenster nicht durch die größere Kapazität einer späteren Sonnet-Edition.
Sonnet 4.5 unterstützt gewöhnliche Antworten und manuell gesteuertes erweitertes Thinking. Im zweiten Modus setzt budget_tokens einen Zielwert für internes Reasoning vor der sichtbaren Antwort. Das dokumentierte Minimum beträgt 1.024 Token; das Budget muss normalerweise unter max_tokens liegen, weil Thinking und endgültige Antwort den Generierungsrahmen teilen. Das Budget ist ein Zielwert und keine Zusage, genau so viele Token zu verbrauchen. Diese Edition hat weder den Adaptive-Thinking-Modus noch die Aufwandssteuerungen späterer Sonnet-Modelle. Wählen Sie die gewünschte Analysetiefe und lassen Sie genügend Raum für eine nutzbare endgültige Antwort.
Die Interleaved-Thinking-Beta des Herstellers lässt Sonnet 4.5 innerhalb einer Gesprächsrunde zwischen Werkzeugaufrufen schlussfolgern und die zurückgegebenen Beobachtungen für die nächste Entscheidung nutzen. Sie erfordert die dokumentierte Beta-Funktion im unterstützten Messages-Ablauf. In diesem Fall kann das Thinking-Budget max_tokens überschreiten, weil es mehrere Thinking-Blöcke innerhalb derselben Assistentenrunde umfasst. Geben Sie Werkzeugergebnisse mit dem zugehörigen Thinking-Inhalt einschließlich seiner Signatur unverändert zurück; die Bearbeitung dieses Inhalts macht ihn ungültig. Eine Recherche- oder Fehlersuchaufgabe kann so zwischen vorgeschlagener Prüfung, tatsächlich zurückgegebenem Ergebnis und aktualisierter Analyse wechseln, ohne einen Textvorschlag als abgeschlossene Aktion zu behandeln.
Für visuelles Material unterstützt der Hersteller JPEG, PNG, GIF und WebP und verwendet bei einer Animation nur das erste Einzelbild. Die von dieser Edition verwendete standardmäßige native Bildstufe hat eine Grenze von 1.568 Pixeln für die lange Kante und von 1.568 visuellen Token; größere Bilder werden verkleinert. Der Bildleitfaden des Herstellers nennt bis zu 100 Bilder je API-Anfrage für Modelle mit 200K Kontext; Grenzen für Bilder und die gesamte Anfragegröße können vorher greifen. Stellen Sie Bilder nach Möglichkeit vor die Frage, kennzeichnen Sie mehrere Bilder und bewahren Sie kleinen Text oder Diagrammbeschriftungen. Der Leitfaden empfiehlt klare Bilder und genügend umgebenden Kontext zur Interpretation des sichtbaren Details.
Kontextbearbeitung und ein Speicherwerkzeug wurden zusammen mit diesem Modell eingeführt, um längere Agentenabläufe zu unterstützen. Dies sind von der Anwendung unterstützte Möglichkeiten, hilfreichen Zustand zu bewahren oder altes Werkzeugmaterial zu entfernen; sie sind weder unbegrenztes Modellgedächtnis noch die spätere serverseitige Verdichtungsfunktion. Bewahren Sie für eine mehrstufige Aufgabe bereits getroffene Entscheidungen, die offene Frage und die für den nächsten Schritt nötigen Belege. Anthropic beschreibt außerdem stärkeren Widerstand gegen versteckte Anweisungen in externen Inhalten und weist darauf hin, dass modellspezifische Klassifikatoren manchmal harmloses Material markieren können. Das hilfreiche Ergebnis bleibt ein prüfbares Artefakt mit Bezug zu bereitgestellten Belegen, wobei die genauen Modi und Grenzen von Sonnet 4.5 von späteren Veröffentlichungen getrennt bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-sonnet-4.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.012 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200 000 | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.012 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.024 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "anthropic/claude-sonnet-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.